城市軌道交通牽引供電系統(tǒng)跟蹤識別指標研究

摘? 要：城市軌道交通牽引供電系統(tǒng)具有線長點多、無備用設(shè)備、工作環(huán)境狹窄、安裝質(zhì)量良莠不齊等特點，故障致災類型復雜、成因眾多，且不宜排查、風險性大，對其關(guān)鍵零部件進行跟蹤監(jiān)測是安全運營的迫切需求之一。文章對軌道交通牽引供電系統(tǒng)事故進行調(diào)研統(tǒng)計，推演致災條件、致因路線、致災后果及社會影響，形成牽引供電系統(tǒng)失效故障樹;建立關(guān)鍵零部件貝葉斯網(wǎng)絡模型并進行故障診斷，由此提出跟蹤識別指標，為軌道交通牽引供電系統(tǒng)的狀態(tài)監(jiān)測提供理論指導。

關(guān)鍵詞：軌道交通;牽引供電系統(tǒng);致災機理;貝葉斯網(wǎng)絡

中圖分類號：TP391? 文獻標識碼：A 文章編號：2096-4706（2021）17-0141-04

Abstract： Urban rail transit traction power supply system has the characteristics of long line with many points， no standby equipment， narrow working environment and uneven installation quality. The types of fault disasters are complex， there are many causes， and it is not suitable for troubleshooting and has high risk. Tracking and monitoring its key parts is one of the urgent needs of safe operation. In this paper， the accident of traction power supply system of rail transit is investigated and counted， the disast-causing conditions， the route of cause， the disaster-causing consequences and the social influence are deduced， and the traction power supply system failure tree is formed. The Bayesian network model of key parts is established and fault diagnosis is carried out， and tracking identification indexes are proposed to provide theoretical guidance for state monitoring of traction power supply system of rail transit.

Keywords： rail transit; traction power supply system; disaster-causing mechanism; Bayesian network

0? 引? 言

城市軌道交通牽引供電系統(tǒng)具有沿線布置、線長點多、無備用設(shè)備、工作環(huán)境狹窄、安裝質(zhì)量良莠不齊等特點，并且故障致因類型復雜、不易排查，并且由于處理過程中存在眾多不確定因素，容易引發(fā)突發(fā)性、擴延性的連鎖事故。確定可能成為風險源的關(guān)鍵設(shè)備的動態(tài)指標，是預測風險演化趨勢，制定完備的災后應急預案和有效的災前風險預防方案的必要指導，也是成為城市軌道交通安全運營和智能管理的迫切需求。

1? 牽引供電系統(tǒng)事故致因及故障樹分析

1.1? 事故調(diào)研統(tǒng)計

本文通過多渠道搜集了國內(nèi)城市軌道交通從2009年到2020年的31起牽引供電系統(tǒng)相關(guān)事故，對牽引供電系統(tǒng)事故進行統(tǒng)計。

1.1.1? 致因類型數(shù)據(jù)

據(jù)此不完全統(tǒng)計，國內(nèi)城市軌道交通牽引供電系統(tǒng)故障致災的因素如圖1所示，致災因素可分為環(huán)境因素、人員因素和設(shè)備因素，其中設(shè)備因素導致的事故共20起，占比達64.5%，根據(jù)故障源又可將其細分為設(shè)備本身質(zhì)量、設(shè)備安裝問題和設(shè)備使用狀態(tài)。可以看出，由設(shè)備使用狀態(tài)導致的事故共9起，為牽引供電事故的最為主要的致災因素。其中，多因素耦合導致的運營事故僅統(tǒng)計其關(guān)鍵致因。

1.1.2? 致災后果數(shù)據(jù)

上述事故中，城市軌道交通牽引供電系統(tǒng)的事故類型包括設(shè)備故障/損壞、中斷行車、列車停運、火災和人員傷亡等幾種，詳細情況如圖2所示。可以看出，牽引供電系統(tǒng)故障導致的運營事故中，有22起存在設(shè)備損傷，17起存在運營中斷，4起存在人員傷亡，1起存在火災事故。而人員傷亡主要由乘客墜軌、自殺等行為引起的觸電事故所致。

1.2? 事故致因和類型分析

設(shè)備危險因素可以進一步細化為設(shè)備本身質(zhì)量缺陷、設(shè)備使用狀態(tài)和施工/安裝缺陷。其中，“a”為人員傷亡;“b”為火災;“c”為運營中斷;“d”為設(shè)備損傷。

1.2.1? 設(shè)備本身質(zhì)量缺陷

由圖2可得，設(shè)備本身質(zhì)量缺陷導致的運營事故共5起，分析致災因子、條件及后果如表1所示。可以看出，集電靴-接觸軌質(zhì)量缺陷、絕緣子質(zhì)量缺陷、分段絕緣器質(zhì)量缺陷、隔離開關(guān)質(zhì)量缺陷等是主要的事故致因。

1.2.2? 設(shè)備使用狀態(tài)

由圖2中可以得到，設(shè)備使用狀態(tài)導致的運營事故共9起，分析致災因子、條件及后果如表2所示?？梢钥闯?，設(shè)備使用狀態(tài)故障主要包括弓網(wǎng)受流不穩(wěn)與磨耗、絕緣子臟污、補償繩疲勞、接地狀態(tài)故障、接觸軌跳閘等。

1.2.3? 施工/安裝缺陷

由圖2中可以得到，設(shè)備本身質(zhì)量缺陷導致的運營事故共6起，分析致災因子、條件及后果如表3所示?？梢钥闯?，受電弓安裝缺陷、螺栓安裝缺陷、匯流排中間接頭安裝缺陷和施工缺陷是主要致因。

1.3? 故障樹分析

故障樹分析法（FTA）是一種由“結(jié)果”導出“原因”的定向邏輯推理法，常用于分析評估大型復雜系統(tǒng)的可靠性、安全性。它以最不期望出現(xiàn)的系統(tǒng)故障事件為分析目標，按照演繹分析的原則自上而下推導可能導致故障發(fā)生的風險事件，直至無法再深究。然后，根據(jù)風險事件間的邏輯關(guān)系建立故障樹，計算系統(tǒng)發(fā)生故障的概率、分析引發(fā)故障的所有風險路徑及關(guān)鍵風險要素，可為安全防范控制措施的制定和安全管理工作提供一定依據(jù)，進而增強系統(tǒng)可靠性及安全性。具體分析步驟如圖3所示。

從前述事件案例來看，因接觸網(wǎng)/軌設(shè)備故障，造成重大人身傷害、財產(chǎn)損失及惡劣社會影響的主要事故為設(shè)備損壞、運營中斷、火災和人員傷亡，確定為故障樹的頂層事件。結(jié)合致因分析得到上述事故的故障樹模型。受篇幅限制，此處僅展示火災和人員傷亡故障樹模型如圖4所示。

2? 貝葉斯網(wǎng)絡零部件故障概率推理

貝葉斯方法（BN）是以概率論基本知識作為理論基礎(chǔ)的，專門用來處理不確定性較強的問題的方法。相比于FTA，BN在以下幾個方面有更大的優(yōu)勢：計算便捷，F(xiàn)TA利用最小割（路）集以及各種不交化方法或容斥定理進行計算，而BN采用聯(lián)合概率分布確定節(jié)點故障概率;表達能力強，F(xiàn)TA利用邏輯門來表達事件之間的確定關(guān)系，而復雜系統(tǒng)中的不確定關(guān)系則需要BN利用概率來表達，因此更具一般性;靈活度高，F(xiàn)TA建立之后不便修改，而BN可以隨時通過學習來改變結(jié)構(gòu)以及參數(shù)。

同時，二者在推理機制和狀態(tài)描述方面又具有相似之處，因此可以通過故障樹轉(zhuǎn)化的方法構(gòu)建貝葉斯網(wǎng)絡模型，進而展開可靠性分析。這種方法在降低了BN建模難度的同時，充分利用了BN的優(yōu)勢彌補FTA的不足。

本文針對接觸線、接觸軌、絕緣裝置、車頂、其他裝置等關(guān)鍵零部件建立貝葉斯網(wǎng)絡網(wǎng)絡模型，并以絕緣裝置貝葉斯網(wǎng)絡模型中“受電弓安裝缺陷→受電弓故障→承力索斷裂→絕緣器斷裂→絕緣裝置”一條為例分析零件的概率，如圖5所示。

假設(shè)用t，f來代表“受電弓安裝缺陷”發(fā)生與不發(fā)生的概率，同時t1，f1來表示“受電弓安裝缺陷”發(fā)生的情況下“受電弓故障”發(fā)生與不發(fā)生的概率，同理t2，f2表示“受電弓故障”情況下“承力索斷裂”發(fā)生與不發(fā)生的概率，t3，f3表示“承力索斷裂”情況下“絕緣器斷裂”發(fā)生與不發(fā)生的概率。以此類推，可知所有的零件發(fā)生概率以及該零件對與其他零件的影響概率。對所有數(shù)據(jù)進行貝葉斯分析即可根據(jù)不同的情況得到相關(guān)零件的故障概率，如表4所示。

3? 災害跟蹤識別指標及其檢測方式

根據(jù)上述的故障成因特征及規(guī)律得出以下災害識別指標，如表5所示。

根據(jù)某市軌道交通集團有限公司提供的接觸網(wǎng)動態(tài)監(jiān)測管理方法及相關(guān)文獻可知，動態(tài)檢測工具主要為帶有動態(tài)檢測設(shè)備的接觸網(wǎng)/軌作業(yè)車;檢修周期原則上應按照規(guī)定時間進行，地鐵正線周期為每月一次;檢測內(nèi)容包括接觸線的拉出值、導線高度、接觸網(wǎng)供電電壓、接觸網(wǎng)壓力、接觸懸掛硬點（沖擊）、定位點位置和速度（里程）等諸項機械及電氣技術(shù)參數(shù);檢測過程中需要地鐵正線接觸網(wǎng)全部帶電。受篇幅限制，以下僅列出重要參數(shù)及其檢測方法，如表6所示。

4? 結(jié)? 論

本文對城市軌道交通接觸網(wǎng)/軌關(guān)鍵部件進行了分析，從設(shè)備因素、環(huán)境因素、人員因素三個方面進行了致因分析，并由此建立了牽引供電網(wǎng)絡失效的故障樹;構(gòu)建了關(guān)鍵部件的貝葉斯網(wǎng)絡模型，并參考國家標準文件、地鐵公司設(shè)備設(shè)施檢修規(guī)程及相關(guān)文獻，確定了災害跟蹤識別指標，并總結(jié)了動態(tài)指標檢測方法。基于既有的研究成果，下一步可綜合考慮風險事故的后果嚴重度及其發(fā)生概率，制定風險評估標準，進行風險預測;針對災害情況和風險情況，制定相應的緊急預案和應對措施，建立了防災措施下的災害抑制模型。

參考文獻：

[1] 許勇.基于AHP-RMM的地鐵接觸網(wǎng)系統(tǒng)可靠性分析 [J].武漢大學學報（工學版），2021，54（4）：375-380.

[2] 段海洋，許得杰，曾俊偉，等.城市軌道交通運營安全事故分析及評價 [J].鐵道運輸與經(jīng)濟，2019，41（9）：110-114.

[3] 趙昕，顧保南.2018年中國城市軌道交通運營線路統(tǒng)計和分析 [J].城市軌道交通研究，2019，22（1）：1-7.

[4] 陳文瑛，楊金諭，何世偉.地鐵運營突發(fā)事故風險傳播規(guī)律研究 [J].中國安全生產(chǎn)科學技術(shù)，2018，14（7）：86-91.

[5] 馬小薇.基于復雜網(wǎng)絡的地鐵事故致因機理研究 [D].成都：西南交通大學，2019.

[6] 芮小剛.地鐵接觸網(wǎng)常見故障和問題分析及其應對方法 [J].科技信息，2012（2）：350-351.

作者簡介：李曉聃（1994—），男，漢族，湖北黃石人，助理工程師，碩士，研究方向：城市軌道交通牽引供電系統(tǒng)致災機理。